非参数叠加值函数：可解释性强的强化学习及其在外科恢复中的应用
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种非参数的加性模型，用于估计强化学习中可解释的价值函数。该方法通过使用局部核回归和基扩展来获取动作价值函数的稀疏、加性表示，从而实现局部逼近和提取特征的非线性、独立贡献以及特征对的共同贡献。我们通过模拟研究验证了该方法，并在脊椎疾病的应用中揭示了与相关临床知识一致的康复建议。
本文提出了一种非参数的加性模型，用于估计强化学习中可解释的价值函数。该方法通过局部核回归和基扩展来获取动作价值函数的稀疏、加性表示，实现局部逼近和提取特征的非线性、独立贡献以及特征对的共同贡献。通过模拟研究验证了该方法，并在脊椎疾病的应用中揭示了与相关临床知识一致的康复建议。
